Python Pandas Series.sem()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.sem()函数返回所要求的轴上的平均值的无偏标准误差。默认情况下，结果被归一化为N-1。这可以通过ddof参数来改变。

语法: Series.sem(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

参数:
axis : {索引(0)}
skipna : 排除NA/null值。
level : 如果轴是一个MultiIndex（分层），则沿某一层次计数，折叠成一个标量。
ddof :德尔塔自由度。
numeric_only :只包括float, int, boolean列。

返回：标量或系列（如果指定级别）。

示例#1 :使用Series.sem()函数来查找给定Series对象中基础数据的平均数的标准误差。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([100, 25, 32, 118, 24, 65])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.sem()函数来寻找基础数据的平均数的标准误差。

# find standard error of the mean
sr.sem()

输出 :

正如我们在输出中所看到的，Series.sem()函数已经成功地计算出了给定Series对象中基础数据的标准误差和平均值。

示例#2 :使用Series.sem()函数来查找给定系列对象中基础数据的平均数的标准误差。给定的系列对象还包含一些缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.sem()函数来寻找基础数据的平均数的标准误差。

# find standard error of the mean
# Skip all the missing values
sr.sem(skipna = True)

输出 :

正如我们在输出中所看到的，Series.sem()函数已经成功地计算出了给定Series对象中基础数据的标准误差和平均值。